Un assistant qui répond à partir de procédures périmées ne devient pas fiable parce qu’il utilise un modèle récent. Avant d’intégrer l’IA dans un processus, l’entreprise doit identifier les informations de référence, les personnes autorisées à les consulter et la façon dont les erreurs seront repérées. Cette préparation peut conduire à réduire le périmètre du projet, voire à différer l’usage de l’IA.
Partir de la réponse attendue
La préparation des données commence par une question métier. Pour aider le service commercial à répondre sur les délais, il faut disposer d’informations à jour sur les disponibilités et les engagements possibles. Pour synthétiser un dossier, il faut identifier les pièces à retenir et distinguer une version de travail d’une version validée.
Écrivez quelques exemples de demandes auxquelles le système devra répondre, puis la réponse attendue et sa source. Cette étape révèle souvent que l’information nécessaire existe, mais qu’elle est dispersée ou contradictoire. Elle évite de charger des répertoires entiers sans savoir quelles données seront utiles.
Une base documentaire et une base d’entraînement ne remplissent pas la même fonction. Un projet peut rechercher des passages dans des documents au moment de répondre, sans réentraîner un modèle. Le choix technique doit suivre le besoin, les contraintes d’accès et les résultats des tests.
Établir un inventaire utilisable
Pour chaque source retenue, notez son propriétaire, sa date de mise à jour, son format, ses utilisateurs autorisés et son niveau de sensibilité. Ajoutez les éventuelles restrictions contractuelles. Un fichier accessible à toute l’entreprise n’est pas nécessairement autorisé à être transmis à un prestataire externe.
| Source | Vérification prioritaire | Responsable à identifier |
|---|---|---|
| Procédure interne | Version validée et date de révision | Responsable du processus |
| CRM | Champs incomplets, doublons, droits | Responsable commercial ou des données |
| Dossiers clients | Pièces nécessaires et confidentialité | Responsable métier et protection des données |
| Catalogue | Références, disponibilité, conditions | Responsable de l’offre |
| Documents fournisseurs | Droit d’usage et actualité | Achats ou responsable du contrat |
Cet inventaire doit rester proportionné. Pour un pilote, un ensemble documentaire limité et maîtrisé est préférable à une collecte exhaustive que personne ne pourra maintenir.
Corriger ce qui compromet réellement le résultat
Commencez par les défauts qui changent la réponse : deux tarifs contradictoires, une référence produit absente, un document scanné illisible ou une procédure remplacée. La correction de toutes les données de l’entreprise n’est pas un préalable universel. En revanche, les données du périmètre choisi doivent être suffisamment fiables pour l’usage prévu.
La numérisation ne garantit pas la lisibilité. Testez les tableaux, les unités, les notes de bas de page et les documents comportant plusieurs colonnes. Une extraction peut reconnaître les mots tout en associant un montant au mauvais poste. Les contrôles doivent porter sur le sens, pas seulement sur la présence du texte.
Définissez aussi les conventions : formats de date, devise, unité, identifiant client et statut du dossier. Une colonne « montant » qui mélange des valeurs hors taxes et toutes taxes comprises peut produire des erreurs sans qu’aucun calcul ne paraisse incohérent.
Reproduire les droits d’accès
Un moteur de recherche documentaire ne doit pas rendre accessible un dossier qu’une personne ne peut pas consulter dans l’application d’origine. Le filtrage doit intervenir avant la transmission des passages au modèle. Une consigne demandant au modèle de rester discret ne remplace pas un contrôle des permissions.
Vérifiez les comptes partagés, les départs de collaborateurs, les liens publics et les accès accordés à des prestataires. Précisez qui peut ajouter un document, modifier une source ou publier une nouvelle version. Sans cette responsabilité, la qualité du corpus se dégrade après le lancement.
Les données personnelles demandent une analyse du traitement concerné : finalité, nécessité, accès, conservation, fournisseur et droits des personnes. Les fiches de la CNIL pour les TPE et PME permettent d’amorcer cette réflexion. Elles ne constituent pas une validation automatique du dispositif.
Préparer un jeu de tests indépendant
Réservez des cas qui n’ont pas servi à régler le système. Ils doivent inclure les questions courantes, celles dont la réponse manque, les sources contradictoires et les demandes provenant de personnes aux droits différents. Le bon comportement peut être de répondre, de demander une précision ou de reconnaître l’absence d’information.
Pour chaque cas, indiquez la source attendue et les erreurs interdites. Une réponse élégante mais fondée sur un ancien contrat doit être considérée comme incorrecte. Une réponse prudente qui signale une contradiction peut être préférable à une synthèse artificiellement certaine.
Exemple fictif : un assistant commercial retrouve deux délais de livraison, l’un dans une ancienne présentation, l’autre dans le catalogue validé. Le test doit vérifier la priorité donnée au catalogue et la capacité à indiquer la date de référence. Cet exemple décrit une méthode de test, pas une performance mesurée.
Organiser la mise à jour dès le départ
Précisez comment un document remplacé disparaîtra des résultats, comment les suppressions seront répercutées et comment une panne de synchronisation sera signalée. Le projet doit fonctionner lorsque les données évoluent, pas seulement le jour de la démonstration.
Un suivi utile comprend la date de dernière synchronisation, les sources en erreur, les questions sans réponse et les corrections demandées. Ces informations servent à décider s’il faut enrichir le corpus ou revoir l’usage. Ajouter des documents ne résout pas un problème de permissions ou une question mal définie.
Questions fréquentes
Faut-il centraliser toutes les données ?
Non. Il faut surtout identifier les sources de référence et contrôler les accès. Une centralisation peut faciliter certains usages, mais elle ajoute aussi des coûts et des copies à maintenir. Le choix dépend de l’architecture et du besoin.
Combien de documents faut-il pour commencer ?
Il n’existe pas de minimum universel. Un corpus réduit peut suffire à tester un usage précis. Le nombre de documents est moins utile que leur couverture des questions et leur fiabilité.
L’anonymisation suffit-elle à résoudre tous les risques ?
Non. Il faut vérifier ce qui reste identifiable et les autres informations sensibles présentes. Remplacer un nom par un code ne permet pas, à lui seul, de conclure que des données sont anonymes.
Pour formaliser les usages autorisés, consultez notre modèle de charte IA. Pionarius accompagne le cadrage et l’intégration de l’IA à partir des processus et des données disponibles. Échangeons sur votre périmètre avant de choisir l’outil.
